在Pandas 資料框中尋找空白值並將其替換為NaN 可能是一個挑戰。目標是將具有空字串值的資料幀轉換為具有 NaN 值的資料幀，從而可能改善資料處理和分析。
df.replace() 方法提供了一個優雅的解決方案，讓您可以根據正規表示式替換值：
<code class="python">df.replace(r'^\s*$', np.nan, regex=True)</code>
在此在正規表示式模式中，^ 符合字串的開頭，s* 符合零個或多個空白字符，$ 符合字串的結尾。因此，此正規表示式檢查完全由空格或空字串組成的字串。
將此解決方案應用於範例資料框：
<code class="python">df = pd.DataFrame([
[-0.532681, 'foo', 0],
[1.490752, 'bar', 1],
[-1.387326, 'foo', 2],
[0.814772, 'baz', ' '],
[-0.222552, ' ', 4],
[-1.176781, 'qux', ' '],
], columns='A B C'.split(), index=pd.date_range('2000-01-01','2000-01-06'))
result = df.replace(r'^\s*$', np.nan, regex=True)
print(result)</code>這將產生所需的輸出：
A B C 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 -1.387326 foo 2 2000-01-04 0.814772 baz NaN 2000-01-05 -0.222552 NaN 4 2000-01-06 -1.176781 qux NaN
如Temak 所指出的，如果有效資料可能包含空格，則可以將正規表示式模式修改為r'^s $' 以僅匹配包含以下內容的字串完全是空白：
<code class="python">df.replace(r'^\s+$', np.nan, regex=True)</code>
以上是如何在 Pandas 資料框中用 NaN 替換空白值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
